Penerapan Metode Item-Based Collaborative Filtering untuk Sistem Rekomendasi Data Movielens

Abstract

Pada masa sekarang ini film telah menjadi salah satu hiburan favorit utama masyarakat. Jumlah film pertahun terhitung mencapai ribuan. Hal ini membuat penggemar film kesulitan dalam memilih film mana yang tepat untuk ditonton sesuai keinginan. Sehingga dibutuhkan sistem rekomendasi yang bertujuan untuk memberikan saran film mana yang akan dipilih. Sistem rekomendasi adalah sistem yang membantu pengguna dalam mengatasi informasi yang meluap dengan memberikan rekomendasi spesifik bagi pengguna dan diharapkan rekomendasi tersebut bisa memenuhi keinginan dan kebutuhan pengguna. Terdapat tiga jenis sistem rekomendasi berdasarkan metode yang digunakannya yakni, collaborative filtering, content-based filtering, dan hybrid. Metode yang digunakan adalah collaborative filtering merupakan salah satu yang sering digunakan dalam sistem rekomendasi. Collaborative filtering dibagi menjadi dua bagian yaitu item-based collaborative filtering dan user-based collaborative filtering. Dalam tugas akhir ini penulis menggunakan metode item-based collaborative filtering. Data set yang digunakan adalah data set dari MovieLens.org berupa 100.000 rating yang diberikan oleh pengguna terhadap film. Data MovieLens akan diproses menggunakan program R dan memakai paket R yaitu recommenderlab.